llm

ChainCatcher 消息，FundaAI 发布企业 AI 应用研究报告指出，企业 AI 预算仍在扩张，但 2026 年下半年与 2027 年轨迹出现分化。大型美国电信运营商 A 的 AI 支出指引显示，从 1 月基数 100 升至 12 月约 190，并预期 2027 年同比再增 40%–50%；大型欧洲车企 A 今年迄今仅增 10%–15%，明年指引大致持平。 增量支出正由付费席位转向 API/Token 消耗与生产工作流。上述电信运营商订阅与 API 占比已由约 50%/50% 变为 40%/60%，并可能走向 35%/65%；中大型生物制药公司 A 则由 80%/20% 调整至约 70%/30%。开源采用并不均衡，活跃场景使用占比可达 30%–40%，因单价更低，支出占比更小；专家估计开源推理可比闭源前沿模型便宜约 40%–70%，全成本口径下差距收窄至 20%–40%，模型路由、缓存与上下文压缩仍可再削减约 20%–30% 的 API 支出。 生产侧 AI 预算越来越多自下而上按工作流 ROI 搭建，该电信运营商典型生产 ROI 约 1.5–2 倍、回收期 6–18 个月，成熟用例可达 3–5 倍。下一波支出与智能体、软件现代化、网络运营、商品化工作流及更长周期业务流程相关，但工程产能、流程再造、治理与数据就绪正成为比资金更紧的约束。

ChainCatcher 消息，去中心化 AI 基础设施网络 DGrid AI 今日发布最新研究论文 “PoQ-Judge”，提出一套无需参考答案的多架构质量评估框架。这意味着在真实部署环境中，往往没有标准答案可供比对，协议依然能够对模型回答的质量做出可靠评分，并据此分配激励。这是 DGrid 去中心化 LLM 推理质量评估体系长期缺失的一块关键拼图。 PoQ（Proof of Quality，质量证明）是 DGrid 自研的共识机制，用于在协议层防止模型提供方投放劣质模型、伪造数据或隐藏计算费用，从而保障服务质量与定价透明。DGrid 团队围绕 PoQ 持续深耕，已陆续发表四篇研究论文。本次发布的 PoQ-Judge，训练了三款覆盖不同质量与成本场景的评估模型，在留存测试集上与人工评分的相关性最高达 0.747，显著优于此前所有基于参考答案的评估器，同时通过级联评估与在线权重校准将评估成本降低超 72%。 随着 PoQ-Judge 落地，从质量评估 → 评分 → 激励分配的完整流程已全部摆脱对参考答案的依赖，去中心化 LLM 推理的质量闭环就此打通。 DGrid AI 是一个去中心化的 AI 智能网络，致力于构建开放、透明、由社区驱动的 AI 基础设施。围绕模型调用与应用体验，DGrid 已推出多款核心产品：统一聚合全球主流大模型的 AI Gateway、AI 智能体一键部署平台 DClaw、匿名模型竞技平台 AI Arena，以及智能模型推荐助手 Dori，为开发者与用户提供一站式服务。据悉，DGrid AI 半年营收已突破 2000 万美元。

ChainCatcher 消息，Vitalik Buterin 更新了多项 CROPS AI 相关进展，并指出 “ CROPS 以太坊接入层 ” 与 “ CROPS AI ” 存在明显交集。他表示，若能通过零知识证明方式对远程大型语言模型进行付费调用，也可用于解决以太坊私有 RPC 读取问题。 与此同时，Deepseek v4 已发布， 2-bit 量化版本可在 90 GB 内运行，但当前在 Apple 硬件上速度更快；消息应用 messa 已支持 Telegram Alpha 功能；模型运行工具 luceb 在运行密集型模型时展现更高效率；本地 AI 录音工具 VoxTerm 仍在持续开发。Vitalik Buterin 还提到，面向特定应用微调的大型语言模型将有助于提升安全代码编写能力，以太坊相关场景也应有相应微调模型。

ChainCatcher 消息，Ondo Finance 发文表示，其创始人兼 CEO Nathan Allman 意外离世。Ondo 表示：“Nate 的才华、谦逊与执行力塑造了今天的 Ondo。他始终相信技术能够建立一个更加开放、更易获得的金融体系，这一理念也将继续体现在我们未来建设的一切之中。” 公告称，Ondo 已建立具备经验的管理团队，Ondo Finance 长期总裁 Ian De Bode 将接任 CEO。Ondo 表示，Ian 已主导公司战略、产品与日常运营超过两年，并获得管理团队完全支持。

ChainCatcher 消息，BNB Chain 今日宣布推出 Agent 生存工具包，联合六大 AI 基础设施伙伴，赋予自主 AI Agent 链上自主支付能力。所有交易均通过 BNB 或 BEP-20 代币在 BSC 上完成结算。 此次参与项目覆盖 LLM 访问与金融基础设施两大层级，包括 Alt AI、Pieverse、Bankr、WorldClaw、B.AI 及 AEON，全面打通 AI Agent 从算力调用到链上结算的完整闭环。每个参与项目均同步推出链上激励计划，无需额外注册。 Agent 生存工具包紧随 BNBAgent SDK 发布，进一步完善 BNB Chain 在 AI Agent 领域的基础设施布局。更多信息请访问 www.bnbchain.org。 免责声明：BNB Chain 与本文所涉及的任何项目均不存在从属或运营关系。Agent 生存工具包是展示在 BNB Chain 上独立构建项目的生态计划。本内容仅供参考，不构成任何财务或投资建议。在与任何相关项目交互前，请务必进行独立研究并评估潜在风险。

ChainCatcher 消息，AI 代理平台 Bankr 创始人 deployer 发推表示，其已筹集约 10 万美元资金，用于为 Bankr 生态项目提供免费 LLM 推理服务。目前正在构建 Bankr 生态的项目很快能获得免费推理额度。但在正式开始分发前，团队将先上线一项“整个行业都会喜欢”的新功能，具体细节将在后续公布。

ChainCatcher 消息，WORLD3 今日正式发布 AI 战略蓝皮书，全面披露其去中心化 AI 基础设施平台 RouterLink 和托管式 AI 智能体平台 TapClaw 的最新进展，并宣布已与 AWS、Microsoft Azure 及 Google Cloud 达成官方合作。 蓝皮书数据显示，WORLD3 目前已累计处理超 1000 亿 LLM Token，支持来自 OpenAI、Anthropic、DeepSeek 等 20 家提供商的 52 个模型，吸引超 1 万名活跃开发者使用其 API，网络累计消耗超 1.5 亿枚 $WAI。此外，其 TapClaw 平台自 2026 年 3 月上线以来，已部署超 1200 个 AI 智能体。 在未来规划方面，WORLD3 表示将推进 RouterLink 主网及 GPU 算力市场建设，计划将 TapClaw 拓展至全球多语言市场，并推出 Agent 技能市场与企业版算力保障服务。

ChainCatcher 消息，据官方消息，AI 基础设施平台 B.AI LLM Services 今日宣布其用户规模正式突破 100 万大关。这一里程碑不仅标志着其”隐私优先“的路由架构能够处理大规模且持续的高吞吐量，B.AI 超越单一的聊天界面开发，致力于部署支撑“自主智能体经济”的关键底层基础设施，通过技术栈的深度优化，为未来高度自动化的 AI 协作网络铺设稳健轨道。

ChainCatcher 消息， 据官方消息，B.AI LLM服务平台用户量正式突破 75 万大关，持续领跑智能接入赛道。 该平台依托智能路由技术、钱包驱动的匿名隐私保护机制，以及统一的多模型管理接口，已逐步成为连接全球主流 AI 模型的默认网关。凭借高效调度、隐私优先和无摩擦访问三大核心优势，B.AI 正重新定义高效、安全、无门槛的智能接入新标准，推动大模型能力向更广泛的开发者和用户群体开放。

ChainCatcher 消息，据 CoinDesk 报道，来自加州大学圣巴巴拉分校、加州大学圣地亚哥分校、区块链安全公司 Fuzzland 及 World Liberty Financial 的研究人员联合发布论文，警告称 “LLM 路由器”——即位于用户与 AI 模型之间的中间服务——已成为加密资产安全的重大隐患。 研究人员发现，26 个 LLM 路由器正在秘密注入恶意工具调用并窃取用户凭证，其中一起事件导致客户价值 50 万美元的加密钱包被清空。 此外，研究人员通过 “污染” 路由器生态系统，在数小时内即可控制约 400 台下游主机。由于私钥、API 凭证等敏感数据往往以明文形式经由这些路由器传输，用户实际上在毫不知情的情况下将资产暴露于风险之中。 研究人员指出，随着麦肯锡预测 AI 代理到 2030 年将中介 3 万亿至 5 万亿美元的全球消费商业，币安创始人赵长鹏亦预测 AI 代理的支付量将是人类的百万倍，当前基础设施安全性严重滞后于行业发展速度，“最弱环节”风险或将引发系统性连锁危机。

ChainCatcher 消息，Vitalik Buterin 发文分享其截至 2026 年 4 月的本地化、私有化 LLM 部署方案，核心目标是将隐私、安全与自主可控作为前提，尽量减少远程模型及外部服务接触个人数据的机会，并通过本地推理、文件本地存储及沙箱隔离等方式降低数据泄露、模型越狱及恶意内容利用风险。 在硬件方面，其测试了搭载 NVIDIA 5090 GPU 的笔记本、AMD Ryzen AI Max Pro 128 GB 统一内存设备及 DGX Spark 等方案，并使用 Qwen3.5 35B 与 122B 模型进行本地推理。 其中，5090 笔记本在 35B 模型下可达约 90 tokens/s，AMD 方案约 51 tokens/s，DGX Spark 约 60 tokens/s。Vitalik 表示，其更倾向于基于高性能笔记本构建本地 AI 环境，同时使用 llama-server、llama-swap 及 NixOS 等工具搭建整体工作流。

ChainCatcher 消息，慢雾首席信息安全官 23pds（山哥）在 X 平台发文表示，有消息称 LiteLLM 漏洞攻击者已盗取约 300GB 数据，并窃取约 50 万个凭证。他建议所有加密货币开发人员立即核查，尽快轮换相关密钥与凭证，核查日志、访问记录及敏感数据暴露情况，避免出现类似 Trust Wallet 事件的损失。 此前消息，每月下载量达 9700 万次的 LiteLLM 遭供应链攻击，简单安装即可窃取 SSH 密钥等全部敏感凭据。

ChainCatcher 消息，Andrej Karpathy 在 X 平台发文表示，litellm 遭遇 PyPI 供应链攻击，仅需执行 pip install litellm 即可窃取 SSH 密钥、AWS/GCP/Azure 凭据、Kubernetes 配置、git 凭据、环境变量、加密钱包、SSL 私钥、CI/CD 密钥及数据库密码。 litellm 每月下载量达 9700 万次，且风险会扩散至所有依赖 litellm 的项目，例如 dspy。被植入恶意代码的版本上线时间不到约 1 小时，因攻击代码存在缺陷导致 Callum McMahon 的机器内存耗尽崩溃而被发现。Andrej Karpathy 表示，供应链攻击是现代软件中最具威胁的问题，每次安装依赖项都可能在依赖树深处引入被篡改的软件包，他因此越来越倾向于减少依赖，转而使用 LLM 直接实现简单功能。

ChainCatcher 消息，中国信通院与上海交通大学、南京大学联合团队在对开源自主智能体框架 OpenClaw 进行安全审计时，发现其 bash-tools 模块存在 LLM 驱动型命令注入高危漏洞。 该漏洞源于系统未对 LLM 生成的命令行参数进行严格转义，攻击者可通过诱导性 Prompt 绕过正则防御，在宿主机上实现远程代码执行并窃取敏感数据。 研究团队已完成在多种主流模型环境下的攻击验证，启动负责任漏洞披露流程，并向 NVDB 人工智能产品安全漏洞专业库（CAIVD）和 GitHub 社区提交修复建议。